njaumj-CSDN博客

原创 Selenium快速上手和常见问题小节

不懂，为什么onenote复制到csdn差异这么大准备：为电脑安装chrome和chrome driver，配置环境变量 1.声明使用的浏览器对象browser = webdriver.Chrome()browser = webdriver.PhantomJS() 2.访问页面browser.get('https://www.taobao.com') 3.查...

2018-12-16 22:07:33 217

原创 CS229 SVM 推导和使用心得

这两天要用到SVR的几何解释，特地又翻了CS229 lecture3的笔记。特此记录一下我理解的思路。从logistic regression引入，说明我们应该更关注于离separating hyperplane近的点，进而引入了margin的概念。我们想让margin尽量的大，但最直接的functional margin可以通过缩放ω和b来任意控制。这里我们当然可以固定ω 2-nor...

2018-12-16 22:00:22 607

原创《围城》感悟

前天+昨天看完围城，不知肉味啊。书中唐晓芙被家里说“交际花回来了”，所以说苏文纨对方鸿渐的话并非完全是诽谤。此外，唐晓芙和方鸿渐还有两三段有意思的对话，可以说，唐晓芙这个角色是立体饱满的。方鸿渐为了唐晓芙的诽谤七上八下，已经可以猜到，两人即便走到一起，方鸿渐也绝对是要失望的。苏文纨没有嫁给赵辛楣，大概是舔狗不得好死。苏文纨的算盘是，虽然嫁做他人妇，赵辛楣仍然会跪舔她。所以曹元朗祝赵辛楣幸福...

2018-12-07 13:02:43 834

原创 how to read a paper

1. INTRODUCTIONreasons of papers:keep current in their field;literature survey of a new field.2. THE THREE-PASS APPROACHDon't start at the beginning and plow your way to the end.Each pass acco...

2018-12-01 20:08:35 390

原创 python import

---分割线---比对这两张图，有几点结论：1.show函数中的foo变量的名称查询只在原始命名空间（定义它的imptee.py文件中）进行。或者说，show函数foo变量名称到对象的映射由原始命名空间决定。2.必须通过完整的标识符名称(句点属性标识，这里是imptee.foo)才能对原始命名空间（imptee.py中）的foo变量进行修改。...

2018-12-01 20:07:38 122

原创 OneNote使用技巧分享

子页：可以通过子页来管理一个书籍的各个章节，而不用单独产生一个分区。插入-文件文件的拷贝插入-连接绝对路径插入-音频：边录音边打字，之后录音可以通过文字定位文档连接：word/ppt-审阅-OneNote链接通过OneNote定位到word/ppt的相应部分，可惜目前不支持pdf。插入-在线视频：不是所有视频网站都支持。跳到指定内文段落...

2018-11-30 20:22:59 5225

原创《暗时间》——总结+语录整理

总结：我归纳了如下几点重要的方面（当然要得到书中精华，可能还需要自己读一遍书，总结主要帮助自己在读完书后回忆。）：暗时间；时间效率；潜意识和表层意识；Much of Will is Skill;专注：做事一口气做完(避免频繁切换)；一段时间只看一个方向的书(可以相互联系)；站在前人的肩膀上：你的坑别人都踩过；informed decision；从别人的错误中学习；分治：to-d...

2018-11-18 17:04:56 600

原创机器学习实战+第五章_logistic 回归

这一章的话我认为源码中的随机梯度上升函数 stocGradeAscent1() 有点个小问题。第一，学习率过大，导致分类的错误率反而不如没改进的 stocGradeAscent0() 高，对此我对学习率进行了调整。第二，随机的有问题。源码中dataMat里index越小的样例出现的频率高，这个有违随机的初衷。对此我进行了改进。第三，stocGradeAscent1 相较 stocGr

2017-04-16 15:51:12 268

原创机器学习实战+第四章_朴素贝叶斯

相比较与kNN，计算量已经大大下降。因为kNN每次进行预测，都要将预测的instance与训练集中所有例子进行计算。而bayes只需要记录词向量中每个词的权重即可。假设文本里每个词的出现概率是独立的，与文本中的其它词无关。对于极小数的相乘，采用了取对数的方法保留精度。可以采用停用词表或remove高频词来进行优化。'''p(A|B)=p(B|A)P(A)/P(B) 条件

2017-04-13 09:11:25 630

原创机器学习实战+第三章_决策树

本章采用的是ID3算法。通过计算香农熵来确定最佳特征（bestFeature），再通过最佳特征将树划分成子树，递归的调用createTree函数。优缺点：可视化非常好无法处理数值型数据可能出现过度匹配的现象，可以通过剪枝了缓解注明：书里面的代码时用的python2，我是3.6版本，所以有些地方会有出入。其次，关于treePlotter模块，xOff和偏移量的公式我进行了

2017-03-25 08:23:06 652

原创机器学习实战+第二章_k-近邻算法

k-近邻算法（kNN）很好理解。伪码：1，计算要预测的点与训练集中各点的距离，距离为各点每列之差的平方求和再开根2，对所求距离排序3，选取距离最小的前k个点4，统计这k个点对应的label的频数5，根据频数对label进行排序，频数最高的label即作为这个点预测的label性能：如在手写识别中，每次距离的计算要进行1024个浮点运算，时间开销很大。其它方面暂不

2017-03-17 08:48:52 275

原创哈夫曼树和哈夫曼编码

1.带权最短路径wpl 2.哈夫曼树是wpl最小的树，但树不一定唯一。左右子树交换，大于二的同权重的树的任意组合都会影响其唯一性。 3.n个叶子节点的总节点数为2n-1。 4.哈夫曼树的建立，每次将两个权重最小的树组合一个大树（小树消失，大树插入。这里的存在与否依据parent标记），直到还有一棵树为止。 5.4可知哈夫曼树没有度为1的结点，又**n**0=**n**2+1。所以可得结论3.

2016-04-28 19:33:26 384

原创 c++杂七杂八的注意点

1.strcpy（s1,s2）中s1，s2是字符数组的首地址。char * code;cd=(char*)malloc(sizeof(char)*n); strcpy(cd+n-1,"\0"); // strcpy（s1，s2）；中s1和s2都是字符数组的首地址，所以这里也该放地址,不是strcpy(cd[n-1],"\0");2.c++自动将”“里的内容作为字符串，字符串以”\0”结尾。

2016-04-28 12:06:17 204

转载线性链表

#define true 1#define false 0 #define ok 1#define error 0#define infeasible -1#define overflow -2typedef int status;//elemtype也可以定义为其它类型 typedef struct{ char name[20]; int

2016-04-26 12:45:32 343

原创顺序线性表

// 建一个空的顺序线性表 status Initlist(listtype &l){ l.elem =(elemtype*)malloc(list_init_size*sizeof(elemtype)); if(!l.elem ){ printf("没有足够空间开辟。\n"); system("pause"); exit(over

2016-04-26 12:37:54 186

njaumj的博客